RUST/WASM/WGPU

在 AI 浪潮下，Gemini、Claude Code、CodeX 等模型让代码生成卷到了极致；而另一边，Genie、Sora、高斯泼溅等技术又在重塑视觉表现。 这两者之间到底是什么关系？

本文通过一个真实的渐变渲染案例，帮助习惯 JavaScript/TypeScript 的 CPU 侧程序员快速建立 GPU Shader 编程的心智模型。

分析AI设计类产品Lovart，核心观点：AI 设计类产品的两大核心壁垒——矢量渲染引擎是底座，结构化转换是灵魂。AI 大模型本身不是护城河。

本文介绍我们如何将 Figma 的 AutoLayout（自动布局）概念转化为引擎可识别的数据协议。如果你熟悉 CSS Flexbox，理解起来会非常轻松。

此前我们介绍了组件实例的 SymbolOverrides 覆盖机制，作为今日内容的铺垫，现在我们来深入解析从 Overrides 到 Props 的架构哲学，并将其与前端工程化概念进行对比。

🤔 发现问题：那个"永远的新手" 最近，我观察到一个有趣现象： 这种现象不是个例。许多开发者发现： 🔴 AI 记不住项目的整体架构 🔴 相同问题需要反复解释 🔴 设计决策和约束条件对话结束后就清零 🔴

本文将带你走进 Figma 底层协议，探索组件与实例之间"既统一又差异"的魔法是如何实现的。在 Figma 中，**组件**是一种可复用的设计元素。

文章区分了底层矢量引擎与上层工具开发者的职责，强调了 Vector Networks 在简化矢量图形编辑复杂度方面的重要作用。

引言 在传统的矢量图形设计工具中，SVG Path 一直是描述矢量图形的标准方式。然而，Figma 引入了一种革命性的概念——Vector Networks（矢量网格），它从根本上改变了我们对矢量图形

问题 一般基于WebGPU开发矢量编辑器时，避免不了要渲染一棵自定义场景树，那么我想为什么不基于现成的SVG开发呢，基础的矢量算法和节点树的维护都是现成的。

在管线绘制的过程中 GPU 开放出了一些步骤供我们控制，着色器程序（Shader）就是参与控制这些步骤的语言。

前面我们已经介绍了CPU与GPU通信的基础设施：CPU侧内存、GPU侧显存、专用总线（NVLink/PCIe）、传输方式（显示复制/透明迁移）。有兴趣的同学可以更深入的了解下GPU架构，这里我们只要知

WebGPU基础（三）CPU与GPU如何传递数据？CPU侧和GPU侧都准备好了数据存储的地方，那通过什么来传递数据呢，这就引出了消息总线。

WebGPU基础（二）内存、显存、缓冲区。命令缓冲区、顶点缓冲区、索引缓冲区、统一缓冲区、存储缓冲区、纹理、采样器，这些都是啥？

WebGPU基础（一）通用模型，前面文章里的案例主要运行在CPU上，今天我们正式步入GPU，我们将了解到适配器和逻辑设备的相关概念。

wasm如何与js传参？了解下wasm内存模型。 wasm只提供一个沙盒化的线性内存，数据段、函数栈都位于其中。

wasm VS js，谁快？ 让我们一起踏上这性能探索之旅吧，真真切切地感受下 wasm 的性能。

wasm VS js， 谁快？让我们一起踏上这性能探索之旅吧，真真切切地感受下 wasm 的性能。

wasm VS js，谁快？ 让我们一起踏上这性能探索之旅吧，真真切切地感受下 wasm 的性能。

wasm VS js，谁快？ 让我们一起踏上这性能探索之旅吧，真真切切地感受下 wasm 的性能。